X射線檢測焊縫圖像中缺陷的分割與識別.pdf

1、對焊縫進行X射線檢測是保證焊接件質(zhì)量的重要方法。因目前國內(nèi)X射線檢測仍以傳統(tǒng)的射線照相法為主，勞動強度大，效率低，且容易誤判和漏判，使得對在線實時檢測系統(tǒng)和計算機輔助評片系統(tǒng)的研究成為熱門。而圖像處理時，由于在采集和傳輸過程中不可避免地引入的大量噪聲和焊縫本身復雜的紋理結(jié)構(gòu)影響，導致整個焊縫圖像存在著對比度差、缺陷邊緣模糊等問題，從而給缺陷的分割、提取和識別帶來了很大的困難。此外，目前已有算法對缺陷的分割效果差、檢出率低、識別錯誤率高等

2、不足，也限制了計算機輔助評片系統(tǒng)的應(yīng)用和推廣。
　　本文研究的基本思路為，首先對采集到的圖像進行預(yù)處理，之后分割出焊縫缺陷，最后利用提取的缺陷特征參數(shù)進行模式識別，并在整個研究過程中借助Matlab仿真軟件對文中算法進行了仿真實現(xiàn)。預(yù)處理部分主要包括對圖像降噪、對比度增強和焊縫分割，以改善焊縫圖像的質(zhì)量，同時減少數(shù)據(jù)運算量，為較好地分割出焊縫缺陷做準備。缺陷分割部分研究了閾值分割、邊緣檢測兩類常見的缺陷分割算法，并在此基礎(chǔ)上提出了

3、基于邊緣檢測進行區(qū)域生長的缺陷分割算法，因為同時考慮到了缺陷的局部區(qū)域特征和邊緣信息，該方法不僅能分割出幾乎所有的缺陷，而且缺陷形狀保留較為完整，為后續(xù)缺陷特征參數(shù)的提取和識別分類夯實基礎(chǔ)。利用邊緣跟蹤和缺陷標記對缺陷進行區(qū)分標記和邊緣信息統(tǒng)計，提取并計算缺陷的特征參數(shù)。缺陷識別部分，分析討論了二叉決策樹和BP神經(jīng)網(wǎng)絡(luò)這兩種常見分類算法，提出了一種基于二叉樹和改進BP網(wǎng)絡(luò)的混合分類識別方法，將二者結(jié)合以實現(xiàn)優(yōu)勢互補，不但減少了單-BP算